python学习笔记之-numpy数组之数组与矩阵计算

#快速创建数组
import numpy as np
np.random.randn(10)  #快速创建10个元素的一元数组
np.random.randint(10)  #随机生成10以内的整型数据

np.random.randint(10,size=10)  #快速随机生成10以内的整型10个元素的一元数组
np.random.randint(10,size=(3,4))  #快速随机生成10以内的整型三行四列数组

np.random.randint(10,size=20).reshape(4,5)  #或者使用reshape函数重塑多维数组


#数组运算
a = np.random.randint(10,size=20).reshape(4,5)
b = np.random.randint(10,size=20).reshape(4,5)

a
输出:
array([[8, 3, 6, 5, 7],
       [2, 5, 0, 1, 7],
       [7, 2, 5, 8, 9],
       [5, 3, 2, 6, 1]])
b
输出:
array([[8, 9, 1, 9, 3],
       [1, 8, 2, 6, 2],
       [0, 9, 4, 8, 6],
       [1, 6, 8, 1, 3]])

a + b
输出:
array([[16, 12,  7, 14, 10],
       [ 3, 13,  2,  7,  9],
       [ 7, 11,  9, 16, 15],
       [ 6,  9, 10,  7,  4]])

a - b
输出:
array([[ 0, -6,  5, -4,  4],
       [ 1, -3, -2, -5,  5],
       [ 7, -7,  1,  0,  3],
       [ 4, -3, -6,  5, -2]])

a * b
输出:
array([[64, 27,  6, 45, 21],
       [ 2, 40,  0,  6, 14],
       [ 0, 18, 20, 64, 54],
       [ 5, 18, 16,  6,  3]])

a / b
输出:
<ipython-input-21-d8e10abd5ab6>:1: RuntimeWarning: divide by zero encountered in true_divide
  a / b
array([[1.        , 0.33333333, 6.        , 0.55555556, 2.33333333],
       [2.        , 0.625     , 0.        , 0.16666667, 3.5       ],
       [       inf, 0.22222222, 1.25      , 1.        , 1.5       ],
       [5.        , 0.5       , 0.25      , 6.        , 0.33333333]])
#会提示warning，做除时有非法的0，最后结果中会有inf无穷大
#总结：数组的 "+", "-", "*", “/"都是对应位置的加减乘除


#矩阵的创建和运算
np.mat([[1,2,3],[4,5,6]])
输出:
matrix([[1, 2, 3],
        [4, 5, 6]])

#数组也可转换成矩阵，比如数组a,
np.mat(a)
输出:
matrix([[8, 3, 6, 5, 7],
        [2, 5, 0, 1, 7],
        [7, 2, 5, 8, 9],
        [5, 3, 2, 6, 1]])

#矩阵运算
A = np.mat(a)
B = np.mat(b)

B
输出:
matrix([[8, 9, 1, 9, 3],
        [1, 8, 2, 6, 2],
        [0, 9, 4, 8, 6],
        [1, 6, 8, 1, 3]])

A + B
输出：
matrix([[16, 12,  7, 14, 10],
        [ 3, 13,  2,  7,  9],
        [ 7, 11,  9, 16, 15],
        [ 6,  9, 10,  7,  4]])

A - B
输出：
matrix([[ 0, -6,  5, -4,  4],
        [ 1, -3, -2, -5,  5],
        [ 7, -7,  1,  0,  3],
        [ 4, -3, -6,  5, -2]])
#小结：矩阵的加减和数组的加减一样，都是对应位置的加减

A * B
输出：
ValueError: shapes (4,5) and (4,5) not aligned: 5 (dim 1) != 4 (dim 0)
#报错，提示A的列数和B的行数不一致导致

#重新生成A和B
A = np.mat(np.random.randint(10,size=20).reshape(4,5))
B = np.mat(np.random.randint(10,size=20).reshape(5,4))

A
matrix([[4, 4, 9, 8, 6],
        [1, 8, 9, 4, 5],
        [6, 3, 3, 4, 5],
        [2, 5, 6, 1, 9]])

B
matrix([[5, 3, 4, 6],
        [0, 9, 1, 4],
        [8, 9, 5, 9],
        [0, 3, 9, 1],
        [7, 6, 5, 9]])

A * B
matrix([[134, 189, 167, 183],
        [112, 198, 118, 168],
        [ 89, 114, 103, 124],
        [121, 162,  97, 168]])